大数据环境下高速动车组转向架状态监测及其故障诊断研究

江涛 高中甫

摘要：随着国民经济的发展，人们的出行方式越来越多，出行次数也越来越多。同时，轨道交通作为交通运输的重要组成部分之一，仍然是承载客流 量最大的交通工具，其中高速动车组是高铁运输的核心。为保障互联网+时代客运安全，杜绝高速动车组转向架故障，需要利用大数据对高速动车组转向架 状态检测和故障诊断经验进行总结。并将该经验应用于日常维护检查，本文简要介绍了大数据环境下的铁路信息化进程以及通过大数据检测高速动车组转 向架状况的方法。

关键词：动车转向架;状态监测;大数据;故障处理

引言

随着我国铁路建设的积极发展，轨道交通也有了质的飞跃。同时，人 均收入的增加不仅刺激了消费，也带来了更多的出行，给铁路运输带来了 压力。大数据分析就是分析海量数据，获取有价值的信息。基于大数据的 转向架状态检测，根据高速动车组转向架的历史故障信息总结故障规律，为转向架故障诊断提供关键依据。

一、大数据应用于动车组转向架的现状

转向架在日语中也称为台车。转向架直接承载高速列车的车身和车辆 载荷，保证车辆沿铁路轨道平稳运行和转动，减少车辆行驶过程中的摩擦 和振动，这是最重要的部件之一。换言之，高速动车组的行驶稳定性和乘 员舒适度可以直接由转向架的质量决定。为构建我国高效、快捷的动车组 运输方式，基于“大数据”环境和技术，考虑到动车组数量多、执行速度 快、运行环境复杂，高速动车组状态数据转向架运行故障诊断汇总、整合 数据，构建高速车辆故障准确诊断和预警的大数据平台系统。

随着我国铁路信息化和高速动车组技术的发展，大量高速动车组运行 数据记录在数据库中。即集成高速动车组收集的状态数据。这包括高速动 车组查看错误信息和状态信息，包括错误描述、错误编号、动车组编号、 列车编号、车厢编号、车厢类型、运行周期、速度、里程、温度、经度、 纬度等。

高速动车组在运行的同时，各个零部件都在高速运行，不可避免地造 成损失和故障，需要付出努力。信息作为数据存储后，可以通过网络技术 进行关联对比，然后与故障相关信息快速匹配激活，快速有效地确定车辆 缺陷。

大数据在我国动车组转向架故障检测中的应用可归纳为以下三类：

1.故障数据库：收集高速动车组运行中的转向架状态数据，记录故障 原因，建立故障数据库。

2.关联规则：由于错误库的内容非常大，我们需要对错误库中的数据 进行预处理。其中，应用关联规则，与通过关联规则算法预处理的错误库 进行比较，最终生成错误规则。

3.依据故障规则排查故障：评估通过大数据比较确定的故障原因，并 评估使用大数据创建的解决方案的可行性。

二、转向架状态检测软硬件架构

1.传感器。

传感器可以接收感应到的信息，按照一定的方法和规律，将被测到的 信息转换成电信号或其他形式，并将感应到的信息传输到外界。测量信息 的处理和存储、显示、记录和控制功能。

高速动车组传感器的类型包括速度传感器、红外轴温传感器、轨道清 洁器、激光位移传感器和加速度传感器。在高速动车组上，可以看到一个 电子屏幕，显示高铁每天的实时运行速度，它使用了速度传感器。第二种 是温度传感器，使用红外线轴温度传感器测量温度，这也是最常见的传感 器类型。这种传感器可以判断高速动车组在运行过程中轴与轴承摩擦产生 的热能是否异常。为此，如果传感器安装在合适的位置，就可以实时监控 高铁动车组的运行状态。当转向架发生故障时，摩擦会增加，热能也会增 加，进而会增加车轴和轴承的温度。所以可以通过温度传感器来判断转向 架是否异常。

2.数据采集处理系统

移动网络和云计算等技术的快速发展促进了高速动车组和其他车辆的 移动办公和数据处理。应用于转向架检测，形成数据采集处理系统，是一 个全转向架检测架构的数据采集处理系统。数据采集和处理系统始终处于 待机状态，直到更高级别的软件发出触发系统的命令。数据采集系统采集 数据、处理和分析数据，并存储采集的信号。

3.终端设备

高铁动车组使用的终端设备具有便携性、多媒体性、移动互联网技术 和成熟的移动应用开发技术使用等特點。移动终端设备在高速动车组运维 中的应用，可为高速动车组人员提供便捷、科学、高效的技术支持。故障 系统提供的信息为高铁动车组运维人员提供相关信息审核、反馈和故障排 除，为运维决策提供有力的信息支持。

三、转向架故障诊断方法

1.基于故障树

运用逻辑方法，对失败的原因进行直观、清晰的思考和逻辑分析，既 可以进行定量分析，也可以进行定性分析。系统工程方法作为高速动车组 组装箱式车架状态检测和故障诊断的主要分析方法之一，用于系统、准确、 可预测地诊断转向架安全问题。

2.基于贝叶斯网格

贝叶斯网络又称信念网络，是贝叶斯方法的延伸，是目前不确定表示 和推理领域最有效的理论之一。贝叶斯网格误差诊断方法可以理解为利用 计算机网格程序和预测系统在适当条件下进一步补充新信息。目的是修改 概率以使决策结果更准确，同时使用新信息来促进更正的使用，做出新决 定的概率。由于高速动车组转向架的故障因素微乎其微，属于不确定性和 随机性故障，因此可以应用于贝叶斯网格表示和故障原因分析，可以从不 确定的故障信息中进行推断。

3.基于模糊推理算法

模糊推理算法是计算机网络科学进步的产物，随着算法本身的进步，它们逐渐成为处理模数信息的重要信息技术工具。类似于贝叶斯网格的应 用，模糊推理算法在计算机算法和其他技术中的模糊控制领域被广泛使用，旨在提供一个对模糊问题提供接近答案的数据库。当高速动车组转向架的 故障因素不确定且故障原因复杂时，可以使用模糊推理算法在大致范围内 快速诊断故障。

结束语

由于高速动车组车辆结构的精密性和复杂性，高速动车组的故障原因 往往是由多种因素造成的。转向架是高速动车组的关键部件，诊断转向架 中的缺陷需要综合分析和判断。在网络信息现代化的今天，面对高速动车 组运行过程中产生和采集的海量数据，需要加强线路信息化建设，完善车 辆故障检测信息大数据。

参考文献：

[1]赵艳杰，杨东晓.高速动车组踏面与不同钢轨匹配关系研究[J].机械，2020，47（01）：57-63.

[2]韩俊臣，宋春元，徐芳，高广军，张琰，田振.基于离散相的高速动 车组转向架区域积雪问题研究[J].铁道科学与工程学报，2020，17（02）：280-287.

[3]张宝安，虞大联，郑静，曲文强，张志波，李娜.钢轨波磨对高速 动车组构架疲劳寿命的影响[J].铁道车辆，2020，58（01）：1-3+31+4.